根因归因本质是搜索问题：面向长程 Agent 故障的持续搜索诊断
英文标题：Root-Cause Attribution Is a Search Problem: Continual Search for Long-Horizon Agent Failures
随着 AI Agent 在复杂长程（long-horizon）任务中的广泛应用，系统产生了规模庞大的执行日志，准确诊断其中的故障根因成为保障 Agent 可靠性的关键。研究指出，将结果层面的失败信号转化为具体可行的干预策略，其核心可被视作一个搜索问题。通过引入针对故障的持续搜索机制，开发者能够更系统、高效地在海量日志中完成多步骤 Agent 的故障定位与归因，为长流程 Agent 的自动纠错与稳健性提升奠定了基础。
打开原文相关 3.2 · 机会 2
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
根因归因本质是搜索问题：面向长程 Agent 故障的持续搜索诊断
论文编号：arXiv:2609.13463v1
发布类型：最新提交（Announce Type: new）
论文摘要
随着 AI Agent 在各类长程（long-horizon）任务中的部署规模日益扩大，系统产生了极其庞大的执行日志记录。在这些繁杂的执行历史中诊断故障根因，对提升 Agent 系统整体的可靠性而言至关重要，因为这一过程能够将结果层面的失败信号（outcome-level signals）有效转化为具备可操作性的干预策略。
然而，面对长程任务所产生的庞大日志规模，传统的调试与归因手段面临严重瓶颈。本研究提出将根因归因（Root-Cause Attribution）重新形式化定义为一个搜索问题，并探索面向长程 Agent 失败场景的持续搜索（Continual Search）方法，以实现对多步骤复杂错误的高效定位与分析。
English / 原文
BibTeX formatted citation
×